本文永久链接 – https://tonybai.com/2025/12/19/anthropic-agent-skills-open-standard-launch

大家好，我是Tony Bai。

就在刚刚（美国时间2025年12月18日），Anthropic 正式宣布将 Agent Skills 发布为开放标准。

这是继2024年末推出 MCP (Model Context Protocol)标准 之后，Anthropic 在构建 AI 开放生态上的又一记重拳，彻底补齐了 AI 原生应用的“能力层”拼图。

如果说 MCP 是 AI 时代的 “USB 接口”，解决了大模型连接外部工具与数据（如 GitHub, Google Drive）的标准化问题；

那么 Agent Skills 就是 AI 时代的 “通用驱动程序”，它定义了 AI 该如何使用这些工具来完成复杂的业务流程。

OpenCode, Cursor, Letta 等头部开发工具已率先宣布支持。这意味着，开发者编写一套 Skill，就可以在所有支持该标准的 AI 平台（Claude, Cursor 等）上无缝运行。

AI 开发终于告别了“手搓 Prompt”的草莽时代，进入了“标准化封装”的工业时代。

什么是 Agent Skill？

简单来说，Skill 就是一个可移植的“能力包”。

在物理形态上，它就是一个文件夹，里面包含了让 AI 完成特定任务所需的指令（SKILL.md）、脚本（Scripts）和资源（Resources）。

你可以把它想象成给 AI 安装的一个“APP”或“岗位 SOP”。

根据 agentskills.io 的官方规范，Skill 拥有一个极具工程价值的特性：渐进式披露 (Progressive Disclosure)。

• Metadata First： 系统只需加载约 100 tokens 的元数据，让 AI 知道“我学会了/拥有什么技能”。
• On-Demand Loading： 只有当 AI 真正决定使用该技能时，才会加载完整的指令（<5k tokens）和相关脚本。

这意味着你可以给一个 Agent 装备 1000 个技能（从写 SQL 到 查财报），但平时只占用极少的上下文（Context），只有在干活时才调用相关记忆。这完美解决了长期以来困扰开发者的Token 浪费和上下文干扰问题。

开发者最关心的 3 个问题

在研究了 Anthropic 的技术文档后，我整理了开发者最容易混淆的几个概念：

Q1: Skill 和 Prompt 有什么区别？

• Prompt (提示词)： 是反应式的、一次性的。比如“帮我润色这段代码”。它通常不跨会话持久化。
• Skill (技能)： 是主动式的、持久化的。比如“公司 Java 编码规范与 CR 指南”。一旦安装，AI 在任何对话中都知道应当遵守这套规范。

Q2: Skill 和 MCP 到底怎么分工？（关键）

这是一个经典的“硬件 vs 软件”的关系。

• MCP (连接层)： 它是管道。它让 Claude等大模型 能“连上”你的 PostgreSQL 数据库等。它解决的是“能不能访问”的问题。
• Skill (能力层)： 它是逻辑。它教 Claude等大模型 “在查询这个数据库时，必须先检查权限，且不能使用 SELECT *”。它解决的是“做得对不对”的问题。
• 最佳实践： 用 MCP 建立连接，用 Skill 定义流程。

Q3: 我该如何开始？

Skill 的格式非常简单且开放。你只需要创建一个包含 SKILL.md 的目录。

---
name: code-review
description: Analyze code based on OWASP top 10 standards.
---
# Instructions
1. Check for SQL injection...

这种“以文档定义能力”的轻量级模式，正是 SDD (Spec-Driven Development) 理念的极致体现。

意义：生态闭环已成

随着 Agent Skills 的发布，AI 原生应用的架构分层终于清晰了。我们可以用一张图来看懂这个全新的生态栈：

对于开发者而言，“Prompt Engineering”正在消亡，而“Skill Engineering”正在兴起。

未来的高价值开发者，不再是那些会写漂亮提示词的人，而是那些能将企业隐性知识（Tacit Knowledge），封装成标准化的、可移植的 Agent Skills 的人。

如何集成？

Anthropic 提供了三种极简的集成路径：

1. Claude Apps 用户： 直接在 Settings > Capabilities > Skills 中浏览目录并启用（类似安装 Chrome 插件）。
2. Claude Code 用户： 将 Skill 文件夹放入项目目录，或从插件市场安装。
3. API 开发者： 通过 /v1/skills 端点动态挂载技能。

深度实战：编写你的第一个 Agent Skill

标准已经发布，工具已经就绪。现在的问题是：你如何编写出让 AI 精准执行、不产生幻觉的 Skill 文档？

在我的极客时间专栏《AI 原生开发工作流实战》中，我已第一时间更新关于 Agent Skills 的实战内容。

我们将深入剖析 agentskills.io 的官方规范，并带你进行硬核实战：

• 深度拆解官方 Skill： 分析标准 Skill 的目录结构与元数据设计技巧。
• Go 代码 Review Skill 实战： 手把手编写一个专用于 Go 语言项目的 Code Review Skill，定义从 Lint 检查到逻辑验证的完整 SOP，并将其部署到开发环境中。

让你亲身体验从“指挥 AI（Prompting）”到“配置 AI（Configuring）”的质变。

别让你的 AI 只有“蛮力”，给它安装“驱动”。扫描下方卡片，跟上 AI 工程化的最新浪潮。

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

• 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
• 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
• 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。

本文永久链接 – https://tonybai.com/2025/12/17/ai-programming-90-percent-trap-generation-vs-bug-fix

大家好，我是Tony Bai。

在 AI 辅助编程普及的第三年，我观察到一种奇怪的现象，我称之为“AI 时代的开发疲劳”。

很多开发者跟我抱怨：

“一开始觉得 AI 简直是神，几秒钟就能生成一个模块。但用久了发现，它生成的代码总是‘乍一看很完美，一跑全是坑’。
简单的逻辑还能应付，一旦涉及到复杂的业务重构，它写的代码往往是 90% 可用，剩下 10% 充满了隐蔽的 Bug、过时的库引用和糟糕的结构。
结果是：AI 帮我省了 30 分钟敲代码的时间，我却花了 2 小时去 Review 和填坑。”

这就是典型的“90% 陷阱”。

很多人将其归咎于“模型还不够强”，期待下一代 GPT 或 Claude X Opus 能彻底解决问题。

但作为一名长期研究 AI 原生工作流的架构师，我要告诉你一个残酷的真相：

问题不在模型，而在你的工作流。

大多数人还在用“抽盲盒”的方式在通过聊天框（Chat）写代码——这叫 Vibe Coding（氛围编程），而不是 Engineering（工程）。

要跨越这最后 10% 的死亡谷，我们需要把 AI 开发从“聊天”升级为“工程”。以下是我总结的三个核心法则。

法则一：上下文工程 —— 给 AI 发一本“员工手册”

为什么 AI 总是记不住你的代码规范？为什么它总是喜欢用 any 类型，或者引入你明令禁止的第三方库？

因为你把 AI 当成了“搜索引擎”，而不是“新入职的员工”。

每次开启一个新的 Chat Session，对 AI 来说都是第一天入职。如果你不给他发一本“员工手册”，它当然会按照通用的（平庸的）标准来写代码。

破局之道：固化上下文（Context Pinning）。

在 AI 原生开发中，项目根目录下的 规则文件（如 .cursorrules 、CLAUDE.md或constitution.md等）是项目的灵魂。

这不是简单的 Prompt，这是你的架构宪法。

• 不要每次都重复说：“仅使用 Go标准库中的net/http包，别用 第三方web开发框架”。
• 把它写进规则文件。并且，这是一个动态的过程：一旦 AI 在某次对话中犯了错，不要只在对话框里纠正它，要把纠正后的规则反写回规则文件中。

把规则文件看作是 Live Documentation（活文档）。它是你项目架构、代码风格和最佳实践的“唯一真理来源”。有了它，AI 就不再是那个健忘的实习生，而是懂你习惯的资深搭档。

法则二：模式分离 —— 先做“架构师”，再做“泥瓦匠”

许多人使用 AI 的方式是：直接把一坨复杂的代码扔进去，说“帮我重构它”。

这违背了软件工程的分治思想。LLM 的推理能力是有限的，当它同时兼顾“理解旧逻辑”、“设计新架构”和“编写具体代码”时，它的注意力（Attention）会发散，导致逻辑坍塌。

破局之道：Plan Mode（规划模式）。

高效的 AI 工作流必须将 Planning（规划） 和 Coding（编码） 物理分离。

1. 阶段一：架构师模式（The Architect）

   • 只与 AI 讨论思路。输入：“我要把这个 Django 模块迁移到 FastAPI，请给出详细的迁移计划和步骤。”
   • 产出物不是代码，而是一个 plan.md。
   • 关键点： 人类必须在这个阶段介入 Review。如果 Plan 是错的，代码写得再快也是垃圾。

2. 阶段二：泥瓦匠模式（The Builder）

   • 确认 Plan 无误后，再让 AI 按照 plan.md 的步骤，一步步生成代码。
   • 此时 AI 不需要思考“怎么设计”，它只需要思考“怎么翻译”。

不要试图 One-shot（一次性）解决复杂问题。 把大任务拆解为小任务，用文档（Markdown）作为上下文传递的介质，这才是工程化的正解。

法则三：契约式防御 —— 用 TDD 锁死 AI 的“幻觉”

“我怎么知道 AI 写的代码有没有隐藏 Bug？”

答案是：你永远不应该信任 AI 写的代码，除非它通过了测试。

在传统开发中，TDD（测试驱动开发）可能显得繁琐。但在 AI 时代，TDD 是性价比最高的“电子围栏”。

破局之道：Spec-Driven TDD。

1. 先写测试（Contract）： 不要让 AI 直接写业务代码。先让它根据需求，生成单元测试（Test Cases）。这是你和 AI 签订的“契约”。
2. 再写实现（Implementation）： 让 AI 写代码去跑通这些测试。
3. 循环验证： 如果测试失败，把报错信息扔回给 AI，让它自我修正（Self-Correction）。

通过 TDD，我们将对 AI 输出质量的“人工主观判断”，转化为了“计算机客观验证”。你不需要肉眼盯着每一行代码，你只需要盯着绿色的 PASS。

小结：从 Vibe Coding 到 AI Engineering

AI 编程的门槛正在急剧降低，但交付高质量软件的门槛并没有变。

那种“凭感觉”随便聊两句就能搞定项目的 Vibe Coding 时代即将过去。未来属于那些懂得如何用文档约束上下文、用规划拆解复杂度、用测试兜底质量的 AI 工程师。

不要沉迷于 AI 的生成速度，要掌控系统的工程质量。

深度实战：构建你的“AI 原生工作流”

理念已经清晰，但落地还需要工具和技巧的支撑：

• 一份生产级的 CLAUDE.md 到底该包含哪些 section？
• 如何在 Claude Code 中高效实践 Plan Mode？
• 如何搭建一套自动化的 SDD + TDD 流水线，让 AI 自己写测试、自己修 Bug？

如果你不想再被“90% 陷阱”折磨，希望从“拼运气的聊天者”进化为“掌控全局的架构师”，欢迎关注我的极客时间专栏《AI 原生开发工作流实战》。

这不仅仅是一门工具教程，更是一套面向 AI 时代的软件工程方法论。我将带你把这些工程法则转化为可落地的 SOP，真正实现 10x 效率跃迁。

扫描下方二维码，让 AI 真正为你所用。

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

• 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
• 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
• 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。